資料| Python強化學習實戰:應用OpenAI Gym和TensorFlow精通強化...

2020-12-23 手機鳳凰網

內容簡介 · · · · · ·

強化學習是一種重要的機器學習方法，在智能體及分析預測等領域有許多應用。

《Python強化學習實戰：應用OpenAI Gym和TensorFlow精通強化學習和深度強化學習》共13章，主要包括強化學習的各種要素，即智能體、環境、策略和模型以及相應平臺和庫；Anaconda、Docker、OpenAIGym、Universe和TensorFlow等安裝配置；馬爾可夫鏈和馬爾可夫過程及其與強化學習問題建模之間的關係，動態規劃的基本概念；蒙特卡羅方法以及不同類型的蒙特卡羅預測和控制方法；時間差分學習、預測、離線/在線策略控制等；多臂賭博機問題以及相關的各種探索策略方法；深度學習的各種基本概念和RNN、LSTM、CNN等神經網絡；深度強化學習算法DQN，以及雙DQN和對抗網絡體系結構等改進架構；DRQN以及DARQN；A3C網絡的基本工作原理及架構；策略梯度和優化問題；最後介紹了強化學習的全新進展以及未來發展。

作者簡介 · · · · · ·

Sudharsan Ravichandiran 是一位數據科學家、研究員、人工智慧愛好者以及 YouTuber（搜索 Sudharsan reinforcement learning），獲得了 Anna 大學信息技術學士學位。他的研究領域包括深度學習和強化學習的實現，其中包括自然語言處理和計算機視覺。他曾是一名自由職業的網頁開發人員和設計師，所設計開發的網站屢獲殊榮，同時也熱衷於開源，擅長解答堆棧溢出問題。

原書審稿人簡介 Sujit Pal 是 Elsevier 實驗室的技術研究總監， Elsevier 實驗室是 Reed-Elservier 集團公司下的一個先進技術團隊，研究領域包括語義檢索、自然語言處理、機器學習和深度學習。他在 Elsevier 實驗室主要從事搜索質量檢測與改進、圖像分類和重複率檢測、醫學和科學語料庫的標註與本體開發。他曾與 Antonio Gulli 合作撰寫了一本關於深度學習的著作，並在博客 Slamon Run 上撰寫了一些科技文章。

Suriyadeepan Ramamoorthy 是一名來自印度 Puducherry 的 AI 研究人員和工程師，主要研究領域是自然語言理解和推理，同時積極撰寫有關深度學習的博客文章。在 SAAMA 技術中，他將先進的深度學習技術應用於生物醫學文本分析，同時也是一名積極推動 FSFTN領域發展的免費軟體宣傳者，另外對社交網絡、數據可視化和創造性編程也非常感興趣。

相關焦點

  • 如何在Windows上安裝和渲染OpenAI-Gym
    OpenAI Gym是學習和開發強化學習算法的好地方。它提供了許多有趣的遊戲（所謂的「環境」），你可以將自己的策略用於測試。，可以掛載您喜歡的文件) docker run -p :8888 -it -v : jxu305/openai_gym_docker:v1.0 或者只是從Docker桌面GUI啟動
  • 增強學習之Q-Learning入門
    基於tensorflow的最簡單的強化學習入門-part0：Q-learning和神經網絡https://zhuanlan.zhihu.com/p/257103272. Simple Reinforcement Learning with Tensorflow Part 0: Q-Learning with Tables and Neural Networkshttps://medium.com/emergent-future/simple-reinforcement-learning-with-tensorflow-part-0-q-learning-with-tables-and-neural-networks-d195264329d0
  • 如何提升Tensorflow服務性能
    Tensorflow已經成長為事實上的機器學習（ML）平臺，在業界和研究領域都很流行。對Tensorflow的需求和支持促成了大量圍繞訓練和服務機器學習（ML）模型的OSS庫、工具和框架。Tensorflow服務是一個構建在分布式生產環境中用於服務機器學習（ML）模型的推理方面的項目。今天，我們將重點討論通過優化預測伺服器和客戶機來提高延遲的技術。
  • 在Windows中安裝Tensorflow和Kears深度學習框架
    建立工作目錄 在命令提示符串口輸入下列命令： 建立並切換到工作目錄 md pythonwork cd pythonwork 執行後屏幕顯示界面如圖3-8所示：在命令提示符窗口輸入下列命令： 建立Tensorflow Anaconda虛擬環境 conda create --name tensorflow python=3.5 anaconda 執行後屏界面顯示如圖3-9所示。
  • 小叮噹機器學習:Python3.6配置TensorFlow的GPU版詳細安裝教程
    （如果沒有安裝cuda和cudnn,到官網根自己的GPU型號版本安裝即可）cuda和cudnn是使用GPU必裝的依賴環境，當然在安裝TensorFlow的GPU版本時，也必不可少。Step2.安裝Anaconda在確保，cuda和cudnn已經安裝的GPU可用環境下，我們來使用Anaconda安裝TensorFlow的GPU版。
  • TensorFlow 攜手 NVIDIA,使用 TensorRT 優化 TensorFlow Serving...
    API at:localhost:8501 …$ curl -o /tmp/resnet/resnet_client.py https://raw.githubusercontent.com/tensorflow/serving/master/tensorflow_serving/example/resnet_client.py$ python
  • 一文上手最新Tensorflow2.0系列|TensorFlow2.0安裝
    這裡需要注意，當我們要使用「pip」命令為我們創建的python虛擬環境安裝包時，需要使用這裡我們配置的「apip」命令，直接使用pip或pip3命令，會把包安裝到系統自帶的python環境中。2. 安裝TensorFlow我們可以直接使用「pip install tensorflow==2.0.0-alpha0」命令來進行安裝。
  • OpenAI開課了!深度強化學習最全課程包,教程、代碼一網打盡
    大數據文摘出品作者：魏子敏、蔣寶尚繼谷歌和微軟的人工智慧實踐課程後，Elon Musk和Sam Altman主導創立的OpenAI剛剛也發布了一門教學+練手的全能課程「Spinning Up in Deep RL」，希望將他們最擅長的技術——深度強化學習能力分享出來，讓更多技術人掌握。
  • Top 50機器學習項目實戰總結
    僅2017年一年，機器學習領域總結此類實戰經驗的文章便已超過20000篇，該領域相關職位的熱度自是可見一斑。從中，我們篩選出50篇最好的經驗和心得，囊括了機器學習在15大細分領域的各項典型應用：當然，如果你只是一個剛要準備上手機器學習的新人，我們推薦你優先考慮以下兩個高分實戰課程：A) AI遊戲【推薦：5041；評分：4.7/5】
  • 如何在AMD的GPU上運行TensorFlow?
    -pip wget http://repo.radeon.com/rocm/misc/tensorflow/tensorflow-1.8.0-cp35-cp35m-manylinux1_x86_64.whlpip3 install .
  • 人工智慧學習入門之TensorFlow2.2版本安裝(Windows10)
    最新版本的TensorFlow不僅支持Linux作業系統，而且可以支持MacOS和Windows，今天我們就介紹一下如何在Windows10上安裝TensorFlow。為了後續便於學習，本文安裝的Tensorflow是基於Anaconda的，因此需要先安裝Anaconda。Anaconda是一個Python的發行版。這就好像CentOS是Linux內核的一個發行版一樣。
  • 基於RTX2060構建TensorFlow-gpu(keras)學習平臺
    建立虛擬環境：conda create --name tf36gpu python=3.6 anaconda2. 激活虛擬環境：activate tf36gpu3. 開始菜單運行anaconda navigator檢查是否安裝了notebook（默認有安裝）三、安裝tensorflow/keras在激活的環境中安裝：1.
  • mnist tensorflow 預測專題及常見問題 - CSDN
    for updating:Please use alternatives such as official/mnist/dataset.py from tensorflow/models.WARNING:tensorflow:From /home/cnu105/anaconda3/lib/python3.6/site-packages/tensorflow/contrib/learn/python
  • 如何用一個Python示例入門TensorFlow?
    假如要達到專業化使用的程度，這個解決方案還需要使用更多的數學和矩陣乘法。幸運的是，Google裡有些聰明人創造了一個做這件事情的庫——TensorFlow。這是一個廣受歡迎的開源庫，正如你目前所了解的那樣，它擅長於數字計算，這對我們的神經網絡計算至關重要。它為大多數主流程序語言進行深度學習領域的開發提供了應用程式接口。TensorFlow 是如何運作的呢?
  • 兩月不到,如何從Python新手成為谷歌認證TensorFlow開發者?
    簡而言之：TensorFlow 是一個得到廣泛應用的機器學習軟體庫。具體而言，TensorFlow 是一個免費的開源框架，支持用戶開發端到端的機器學習和深度學習項目，覆蓋從預處理到模型訓練和部署的整個流程。該框架最早由谷歌大腦團隊開發，在谷歌內部使用，現在已經得到廣泛應用。
  • Win10安裝GPU版本的Tensorflow 2.1
    1，創建envs環境conda create -n tf2.1 python==3.72，進入envs環境conda activate tf2.13，安裝cuda和cudnnconda install cudatookit=10.1conda install cudnn=7.64，安裝tensorflowpip install tensorflow
  • 【阿星的學習筆記(1)】如何在windows安裝Theano +Keras +Tensorflow並使用GPU加速訓練神經網路
    本篇文章介紹如何安裝Theano 及Keras， Tensorflow深度學習的框架在windows環境上，並快速的使用Keras的內建範例來執行人工神經網絡的訓練。之前也有實作Tensorflow 及caffe在VM+ubuntu16.04環境安裝的經驗，甚至安裝在NVIDIA的Jetson TX1 的慘痛經驗XD(雖然後來也是有安裝成功)。
  • tensorflow2.1對應 GPU版本的安裝與卸載
    GTX965M顯卡，win10系統一、檢查tensorflow的Version假定tensorflow 安裝完成，安裝 tensorflow 請參考 集成環境，安裝超簡單>通過 命令行pythonimport tensorflow as tftf.
  • 不必熟悉python或R程式語言,6步執行計算機視覺應用程式
    今年，TensorFlow團隊發布了很多非常酷的產品，本文就將介紹如何使用tensorflow.js模型執行計算機視覺應用程式。什麼是TensorFlow.js？TensorFlow.js是一個開原始碼庫，用於JavaScript中的機器學習應用程式和開發機器學習模型，並直接在瀏覽器或Node.js中使用機器學習。什麼是Tensorflow.js模型？
  • 用GPU加速深度學習: Windows安裝CUDA+TensorFlow教程
    即使加速效果不明顯，但很多入門級的顯卡依然可以用於TensorFlow，這至少可以幫助大家了解和熟悉這個框架。請不要讓缺少預算或者系統不兼容成為探索路上的攔路虎和藉口。本著探索的精神，我試著在兩臺Windows電腦上安裝了CUDA(用於調用GPU)和TensorFlow(谷歌開發的深度學習工具庫)，把這個過程記錄下來和大家分享。